如何基于特定条件合并两个Pandas DataFrame

嘿，这个问题我太熟了！直接用merge确实卡壳，因为df2的Service列和df1的Vintage列格式不匹配，没法直接对应。不过咱们先给df2做个小改造，把里面的Vintage信息提取出来，之后合并就顺理成章了，一步步来：

第一步：提取df2中的Vintage信息 #

df2的Service列是类似ICE - Vintage 2025的格式，我们可以用正则表达式把里面的Vintage XXXX部分提取出来，生成一个和df1的Vintage列对应的新列：

import pandas as pd

# 先还原你的两个DataFrame（如果已经存在就跳过这部分）
df1 = pd.DataFrame({
    'BA': ['A', 'B', 'B', 'C'],
    'Product': ['foo', 'foo', 'foo', 'bar'],
    'FixedPrice': [10.00, 11.00, 12.00, 2.00],
    'Vintage': ['Vintage 2025', 'Vintage 2025', 'Vintage 2024', 'None'],
    'DeliveryPeriod': ['Mar25', 'Dec25', 'Sep25', 'Nov25']
})

df2 = pd.DataFrame({
    'Service': ['ICE - Vintage 2025', 'ICE - Vintage 2025', 'ICE - Vintage 2024', 'ICE - Vintage 2023'],
    'DeliveryPeriod': ['Mar25', 'Dec25', 'Sep25', 'Nov25'],
    'FloatPrice': [5.00, 4.00, 6.00, 1.00]
})

# 从Service列提取Vintage部分，生成新列
df2['Vintage'] = df2['Service'].str.extract(r'(Vintage \d+)')

第二步：基于匹配条件左连接合并 #

现在df2也有了Vintage列，我们就可以用Vintage和DeliveryPeriod作为匹配键，做左连接（how='left'）来合并两个表，这样df1的所有行都会被保留：

# 只取df2中需要的列来合并，避免冗余
merged_df = pd.merge(
    df1,
    df2[['Vintage', 'DeliveryPeriod', 'FloatPrice']],
    on=['Vintage', 'DeliveryPeriod'],
    how='left'
)

第三步：填充空值为0.00 #

合并后，像df1中Vintage为None的行，在df2里找不到匹配项，FloatPrice会变成NaN，我们把这些空值填充成0.00就搞定了：

merged_df['FloatPrice'] = merged_df['FloatPrice'].fillna(0.00)

最终结果 #

执行完上面的步骤后，你就能得到想要的结果：

BA Product  FixedPrice       Vintage DeliveryPeriod  FloatPrice
0  A     foo        10.0  Vintage 2025          Mar25         5.0
1  B     foo        11.0  Vintage 2025          Dec25         4.0
2  B     foo        12.0  Vintage 2024          Sep25         6.0
3  C     bar         2.0          None          Nov25         0.0

备注：内容来源于stack exchange，提问作者iBeMeltin